![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI
文章平均质量分 53
此生小会
这个作者很懒,什么都没留下…
展开
-
numpy.random.multivariate_normal()函数解析
一.基本概念1.1函数作用从多元正态分布中生成随机抽样,组成一个N维的数组。并返回该数组。1.2函数定义numpy.random.multivariate_normal(mean, cov[, size, check_valid, tol])¶mean:多元正态分布的维度。(长度为N的一维数组)示例:mean = [0, 0] # 1行2列的一维数组,numpy.ra...原创 2019-03-22 22:53:03 · 9605 阅读 · 0 评论 -
Random sampling (numpy.random)详解
numpy.random库用于随机抽样,包含rand(), randn(), randint等函数。对于这些函数,这里从“作用,语法,参数,返回值”三个角度进行解释。一.random库各函数分析1.rand()1.1 作用 创建给定维度大小(shape)的数组,并用来自[0,1]上均匀分布的随机样本填充该数组。1.2 语法 numpy.random.rand...原创 2019-02-10 16:55:03 · 5054 阅读 · 1 评论 -
scikit-learn使用fetch_mldata无法下载MNIST数据集问题解决方法
一.问题描述from sklearn.datasets import fetch_mldatamnist = fetch_mldata('MNIST original')使用scikit-learn下载MNIST数据集的时候报错。如下图所示:二.问题分析1.Python版本为 :Python 3.7.1 (default, Dec 10 2018, 22:54:23) [...原创 2019-01-21 08:51:45 · 9239 阅读 · 4 评论 -
Matplotlib的基本用法
Matplotlib是基于NumPy数组构建的多平台数据可视化库。一.相关链接1.官方文档:https://matplotlib.org/2.Github:https://github.com/matplotlib/matplotlib3.PyPi:https://pypi.org/project/matplotlib/4.中文文档:https://www.matplotl...原创 2019-01-24 15:29:39 · 592 阅读 · 0 评论 -
Anaconda环境下安装OpenCV
一.版本说明1.anaconda:conda 4.5.112.windows:win10二.安装流程1.在conda的信任频道中添加conda-forge频道。conda-forge频道是由开源社区领导,用于提供大量的代码片段和软件包。参考链接:https://conda-forge.org/conda config --add channels conda-forge...原创 2018-12-03 22:01:42 · 3244 阅读 · 0 评论 -
TensorFlow变量:创建
参考资料[1]TensorFlow Variables:https://www.tensorflow.org/guide/variables原创 2019-03-10 17:02:56 · 180 阅读 · 0 评论 -
TensorFlow:pip install tensorflow报错(使用Anaconda作为环境)
一.问题描述使用pip install tensorflow命令安装tensorflow的时候报错:Could not find a version that satisfies the requirement tensorflow (from versions: )No matching distribution found for tensorflow二.问题分析...原创 2019-01-20 10:57:57 · 2965 阅读 · 0 评论 -
《Machine Learning for OpenCV》学习笔记:降维
一 . 降维1. 为什么要降维一个分类器,没有以分布在整个特征空间中的数据点进行训练,那么这个分类器在面对一个离前面遇到过的数据点位置很远的数据点时,将不知道如何去分类。但是,随着空间维度数的增加,需要填充空间的数据点会呈现指数级增长。当数据点增长超过一个最大值时,分类器的性能就会下降("性能"只是一个抽象描述,可具体化为很多方面)。所以需要寻找一个最优的维度数(特征数量)。这就是所谓的降...原创 2019-04-10 07:27:46 · 418 阅读 · 0 评论 -
《Machine Learning for OpenCV》学习笔记:数据预处理之处理缺失的数据
一.缺失数据处理1.1填充缺失值大多数的机器学习算法无法处理非数值(not a number), 在python中非数值用nan表示。所以我们就需要把所有的nan值替换为某个合适的填充值。这个操作称为填充缺失值。1.2scikit-learn实现在scikit-learn的sklearn.impute.SimpleImputer类中提供了三种不同的方法(策略)来填充缺失值。(1...原创 2019-03-28 07:14:48 · 344 阅读 · 0 评论 -
《Machine Learning for OpenCV》学习笔记:数据预处理之特征二值化
一.特征二值化1.1特征二值化二值化,顾名思义,只有两种值。对于每一个特征值,如果大于某个临界值(也叫做阈值、门槛值),则把该特征值设置为极大值,如果小于某个临界值,则把该特征值设置为极小值。1.2scikit-learn实现使用sklearn.preprocessing.Binarizer类。通过向Binarizer类传入关键字参数threshold来指定临界值。1.3验证...原创 2019-03-26 08:12:39 · 379 阅读 · 0 评论 -
《Machine Learning for OpenCV》学习笔记:数据预处理
一.特征标准化1.1特征标准化:标准化是指把数据缩放到拥有零均值(均值为0)和单位方差(方差为1)的过程。可以手动标准化我们的数据:每个数据点减去所有数据的平均值(μ), 然后除以数据的方差(σ)。即对于每个特征值,计算(x - μ) / σ 。1.2scikit-learn代码实现使用preprocessing模块的scale()函数实现。1.3验证一个实现了标准...原创 2019-03-19 23:02:43 · 219 阅读 · 0 评论